name: user-behavior-analytics
description: 电商用户行为分析 - 活跃度趋势追踪与可视化图表生成
metadata:
openclaw:
requires: {}
install: []

电商用户行为分析

分析电商平台的用户购物行为数据，追踪用户活跃度趋势，生成可视化图表和洞察报告。

功能特性

1. 活跃度趋势分析

• DAU/MAU 趋势追踪
• 活跃用户增长率
• 用户活跃周期识别
• 回流用户分析

2. 可视化图表生成

• 折线图：活跃度趋势
• 柱状图：每日/周/月活跃对比
• 热力图：用户活跃时段分布
• 漏斗图：活跃度层级转化

3. 行为洞察

• 活跃度异常波动预警
• 高活跃用户特征识别
• 流失风险用户标记
• 活跃度提升建议

使用方法

数据输入格式

支持以下数据格式：

• CSV 文件（推荐）
• Excel 文件
• JSON 格式

必需字段

| 字段名 | 说明 | 示例 |
|--------|------|------|
| user_id | 用户唯一标识 | U001, U002 |
| date | 行为日期 | 2024-01-15 |
| action | 行为类型 | view, add_cart, purchase |
| platform | 平台来源 | app, web, mini_program |

可选字段

| 字段名 | 说明 |
|--------|------|
| product_id | 商品ID |
| category | 商品类目 |
| amount | 交易金额 |
| session_duration | 会话时长 |

使用示例

示例 1：分析月度活跃度趋势

请分析这份数据的用户活跃度趋势，按周汇总，生成趋势图

输出：

• 周活跃用户趋势折线图
• 峰值/谷值标注
• 异常波动说明

示例 2：识别高价值活跃用户

找出活跃度前20%的用户，分析他们的行为特征

输出：

• 高活跃用户行为模式
• 活跃时段偏好
• 购买转化率对比

示例 3：活跃度预警

最近一周活跃度下降明显，帮我分析原因

输出：

• 下降幅度量化
• 可能原因分析
• 改进建议

分析维度

时间维度

• 日/周/月活跃度
• 同比/环比分析
• 季节性规律

用户维度

• 新老用户活跃对比
• 用户分层活跃度
• 渠道来源活跃度

行为维度

• 浏览活跃度
• 加购活跃度
• 购买活跃度
• 复购活跃度

输出报告

分析完成后，将生成包含以下内容的报告：

1. 执行摘要 - 核心发现和关键指标
2. 趋势图表 - 可视化活跃度变化
3. 数据洞察 - 深度分析和原因解读
4. 行动建议 - 可执行的优化策略

适用场景

• 电商运营团队日常监控
• 用户增长策略制定
• 活动效果评估
• 用户流失预警
• 产品迭代效果验证

注意事项

• 数据量建议：1万-100万条记录效果最佳
• 时间跨度：建议至少7天，最佳为30天以上
• 数据隐私：不存储用户原始数据，仅输出分析结果